等級：中級Tony Cooper，SAS 首席分析顧問SAS 首席分析顧問 Sam Edgemon機器學習是關於創建預測模型。如果目標（又稱響應）是名義上的，那麼好的模型將最大化真實陽性並最小化假陽性。設計實驗將使用許多相同的分析演算法，但重點在於因果關係和成功的適當秘訣。 JMP 使用者可能更習慣這種模式，並且經常在看模型時問：「為什麼預測這麼高？我們如何改進它？業務中什麼是重要的？」這些問題要求預測模型具有解釋能力，因此很難回答；變量範圍受限和多重共線性等問題可能會使從預測模型轉變為解釋模型變得困難。此外，模型的數字摘要並不鼓勵主題專家提出問題。預測模型和根本原因分析之間的差異可能會被忽略；但我們知道相關性並不意味著因果關係。在推動先進建模技術的過程中，解釋數據的藝術正在逐漸消失。 JMP 中的簡易剖析器是一個可以讓模型說話的強大工具。這個演示提醒我們，即使對於資料探勘者來說，分析器和圖形產生器也會起到決定性的作用。
